如何比较两个大小不同但浮点数近似的数组？ [Python3]答案

【问题标题】：How can I compare two arrays with different sizes but with some floats that are approximate? [Python3]如何比较两个大小不同但浮点数近似的数组？ [Python3]
【发布时间】：2019-07-27 17:59:54
【问题描述】：

如何比较两个大小不同但浮点数近似的数组？例如：

# I have two arrays
a = np.array( [-2.83, -2.54, ..., 0.05, ..., 2.54, 2.83] )
b = np.array( [-3.0, -2.9, -2.8, ..., -0.1, 0.0, 0.1, ..., 2.9, 3.0] )
# wherein len( b ) > len( a )

我需要的是索引 where（考虑两个列表中的这两个值）

math.isclose( -2.54, -2.5, rel_tol=1e-1) == True

我需要的答案是这样的

list_of_index_of_b = [1, 5, ..., -2]

这里的list_of_index_of_b 是一个带有“坐标”的列表，其中b 的特定元素近似于a 的某个元素。并非a 的所有元素在b 中都有近似值。还： len(list_of_index_of_b) == len(a)

【问题讨论】：

len(list_of_index_of_b) == len(a) ?
如果a 和b 不是太大，一个简单的方法是np.where(np.isclose(*np.ix_(a, b), rtol=1e-1))。

标签： python-3.x numpy floating-point compare precision

【解决方案1】：

您可以使用广播。这会在 a 和 b 中的每个元素之间创建一个成对差异数组，然后您可以检查指定的容差。

当然，从复杂性的角度来看，这在计算上是低效的，因为您构造了一个大小为 |a|*|b| 的数组，并将每个成对距离与容差进行比较，即使其中一个差异已经足够小。也就是说，如果 |a| 或 |b| 中的一个相对较小，那么这种方法可能会非常快，因为它是纯 numpy 并且不需要循环。

a = np.array([1,5,6,7])
b = np.array([1.1,2,3,4.8,4.9,5,8])

rtol = 0.15

diff = a - b[:,None]
mask2d = (1/np.abs(b))*np.abs(a - b[:,None]) < rtol

mask = np.any(mask2d,axis=1)

这可以合并为一行：

indices = np.where(np.any((1/np.abs(b))*np.abs(a-b[:,None]) < rtol,axis=1))

【讨论】：